本发明涉及数据预测领域，尤其涉及一种全拓扑负荷预测方法、装置及计算机设备。
背景技术：
：负荷预测在电力系统中至关重要，对许多部门都有着重要影响。例如，制定日前发电计划是以短期和超短期负荷预测的日负荷曲线为基础。负荷预测涉及了电力系统多个方面，如系统的规划和设计、系统的经济安全运行、电力市场交易、极端天气、节假日和国内经济发展形势等对负荷预测的影响增加，导致负荷预测难度不断增加。现有的负荷预测方案存在难以应对电网目前负荷结构复杂、影响因素众多、负荷预测难度大等一系列的技术问题。技术实现要素：为了解决上述技术问题，本发明提供了一种全拓扑负荷预测方法、装置及计算机设备，具体方案如下：第一方面，本公开实施例提供了一种全拓扑负荷预测分析方法，所述方法包括：根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间；基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果；选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据；其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。根据本公开的一种具体实施方式，根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正的步骤，包括：对采集到的全拓扑的历史负荷数据进行过滤，若发现不良数据，则系统发出告警信息并对所述不良数据进行修正，所述不良数据包括空数据点、零数据点、连续恒定值和异常阶跃值中的至少任意一种。根据本公开的一种具体实施方式，所述全拓扑为系统负荷和/或行业用户负荷；基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果的步骤，包括：根据修正后的系统负荷和/或行业负荷的历史负荷数据，输出对应不同评价类型的图表曲线，其中，所述评价类型包括电量对比、负荷特性、持续曲线、典型曲线、概率分布和平均电价中的任一种；基于不同评价类型的所述图表曲线对负荷的变化进行分析。根据本公开的一种具体实施方式，所述全拓扑为母线负荷；基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果的步骤，还包括：基于修正后的所述母线负荷的历史负荷数据进行负荷特性分析、负荷稳定性分析、负荷相关性分析和气象灵敏度分析，得到分析结果；所述负荷特性分析是指对日、周、月、季和年进行负荷特性统计分析，包括不同母线最大负荷、最小负荷、平均负荷、负荷率、峰谷差和峰谷差率中的至少一种；所述负荷稳定性分析是指对所述母线负荷的历史负荷数据进行数据分解与成分分析，量化评估不同时段不同母线负荷发展的内在规律性和稳定性；所述负荷相关性分析是指计算不同母线负荷之间的相关性，所述不同母线间的相关性分析包括负荷同时率、最大负荷相关度、平均负荷相关度、最小负荷相关度和标幺曲线相似度；所述气象灵敏度分析是指对影响气象的因素进行管理、跟踪分析、标识主导因素和因素量化分析。根据本公开的一种具体实施方式，所述方法还包括：根据所接收的目标查询条件，获取所述目标查询条件对应的所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据，对所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据进行图表展示；根据预设类型的查询条件，获取全拓扑的实际负荷数据和所述全拓扑的预测负荷数据，基于所述全拓扑的实际负荷数据和所述全拓扑的预测负荷数据对负荷运行情况进行监测；对各用户的角色信息、权限信息和系统参数进行管理，所述管理包括新增、删除、修改、查询中的至少一种。根据本公开的一种具体实施方式，基于所述实际负荷数据和所述预测负荷数据对负荷运行情况进行监测的步骤，包括：按照预设时间间隔，以数据图表形式持续显示当日实际负荷和所述预测负荷，其中，所述预设时间间隔的取值范围为1分钟至60分钟；根据所述实际负荷数据和预测负荷数据对所述系统负荷和/或母线负荷和/或行业用户负荷进行负荷特性监测和曲线监测；所述负荷特性监测提供全拓扑的最大负荷、最小负荷、平均负荷、负荷率、峰谷差、峰谷差率中的至少一种；所述曲线监测包括对历史负荷曲线、预测负荷曲线和实际负荷曲线中的至少一种进行监测，并展示所述历史负荷曲线和所述预测负荷曲线的对比，计算所述预测负荷曲线和所述实际负荷曲线的偏差率。根据本公开的一种具体实施方式，根据所述实际负荷数据和预测负荷数据对所述系统负荷和/或母线负荷和/或行业用户负荷进行负荷特性监测和曲线监测的步骤之后，所述方法还包括：设置偏差率基准值；当所述偏差率大于所述偏差率基准值时，执行预测偏差预警、负荷突变预警。第二方面，本公开实施例提供了一种全拓扑负荷预测装置，所述装置包括：数据修正模块，用于根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间；预测分析模块，用于基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果；负荷预测模块，用于选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据；其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。第三方面，本公开实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器执行所述计算机程序以实现第一方面中任一项实施例所述的方法。第四方面，本公开实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该指令在被处理器调用和执行时促使处理器实现第一方面中任一项实施例所述的方法。相对于现有技术而言，本申请具有以下有益效果：本申请提供的全拓扑负荷预测方法，根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，并基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果，然后选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据。其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时。本发明可以实现全要素、全拓扑的负荷预测，有助于电力系统的稳定运行。附图说明为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。图1为本申请实施例提供的全拓扑负荷预测方法的流程示意图；图2为本申请实施例提供的全拓扑负荷预测装置的结构框图。具体实施方式下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关
技术领域：
中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互结合。参见图1，为本申请实施例提供的全拓扑负荷预测方法的流程示意图，如图1所示，所述方法主要包括：步骤s101，根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间，所述全拓扑包括系统负荷、母线负荷和行业用户负荷。根据本申请公开的一种具体实施方式，历史负荷数据与负荷预测数据的统计口径应保持一致，至少应采用每15分钟一个点，每日共96点负荷的格式进行存储。根据本公开的一种具体实施方式，对采集到的全拓扑的历史负荷数据进行过滤，若发现不良数据，则系统发出告警信息并对所述不良数据进行修正，所述不良数据包括空数据点、零数据点、连续恒定值和异常阶跃值中的至少任意一种。对于不良数据的过滤，采用相似日曲线对比法进行识别。对于存在不良数据的某日负荷曲线，选取与该日星期类型、气候类型及其他相关因素相近的日期的负荷曲线作为特征曲线，通过与该日负荷曲线进行比对，利用其形状的相似性识别不良数据。对不良数据的处理可以采用线性插值法进行修正。若不良数据xi位于负荷点xa与xb之间，则可以假设负荷曲线在该区间内的变化为线性关系，进行如下修正：其中，x′i为不良数据修正后的负荷值，ni为负荷点xi与负荷点xa间的不良负荷点个数，n为负荷点xa与xb之间的不良负荷点个数。对不良数据的处理还可以采用指数平滑法进行修正。对于负荷序列x1，x2，xi，若xi 1为不良数据，则可进行如下修正：当初始条件为s0＝x1时，平滑方程x′i 1＝axi (1-α)si-1，其中，x′i 1为不良数据xi 1修正后的负荷值，α为指数平滑系数。步骤s102，基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果。根据本公开的一种具体实施方式，若所述全拓扑为系统负荷和/或行业用户负荷，则根据修正后的系统负荷和/或行业负荷的历史负荷数据，输出对应不同评价类型的图表曲线，其中，所述评价类型包括电量对比、负荷特性、持续曲线、典型曲线、概率分布和平均电价中的任一种，然后基于不同评价类型的所述图表曲线对负荷的变化进行分析。根据本公开的一种具体实施方式，所述全拓扑为母线负荷，则基于修正后的所述母线负荷的历史负荷数据进行负荷特性分析、负荷稳定性分析、负荷相关性分析和气象灵敏度分析，得到分析结果。所述负荷特性分析包括对不同母线最大负荷、最小负荷、平均负荷、负荷率、峰谷差和峰谷差率中的至少一种进行特性分析。所述负荷特性分析提供不同母线不同典型日的负荷曲线分析，如：工作日、周六、周日、最大负荷日、最大电量日、最大峰谷差日等。同时，所述负荷特性分析提供不同母线持续负荷曲线分析，包括持续小时百分比、持续小时数、占最大负荷的百分比、对应负荷等信息。此外，所述负荷特性分析还提供不同母线负荷概率分布分析，包括不同负荷范围内出现时刻数、出现天数、具体分布时间、对应负荷等信息。所述负荷稳定性分析是指对所述历史母线负荷数据进行数据分解与成分分析，量化评估不同时段不同母线负荷发展的内在规律性和稳定性。所述负荷稳定性分析能对若干连续时刻母线负荷曲线进行量化分析，形成稳定度上限与下限，评估预测的可能精度范围。此外，所述负荷稳定性分析能对各母线的稳定度情况进行统计与排序，以便于定位稳定度差、难以预测的母线。所述负荷相关性分析是指计算不同母线负荷之间的相关性，所述不同母线间的相关性分析包括负荷同时率、最大负荷相关度、平均负荷相关度、最小负荷相关度和标幺曲线相似度。其次，所述负荷相关性分析能计算母线与系统负荷相关性，分析指标主要包括负荷比重、负荷同时率、最大负荷相关度、平均负荷相关度、最小负荷相关度及标幺曲线相似度。而且，所述负荷相关性分析能对各母线的分布因子、相关性进行统计与排序，以便于分析不同母线对系统负荷的影响。所述气象灵敏度分析是指对影响气象的因素进行管理、跟踪分析、标识主导因素和因素量化分析。第一方面，所述气象灵敏度分析可以对实测和预测气象数据进行人工输入或自动接入，对气象因素进行手动修正，对于多站点气象信息，能够管理母线与站点气象信息的对应关系。第二方面，所述气象灵敏度分析可以对气象指标与实际负荷的趋势进行分析，提供多种气象指标的实况数据、预报数据与实际负荷电力指标的对比分析。第三方面，所述气象灵敏度分析可以自动计算影响本地区不同时间段内不同母线不同类型负荷指标的主导气象因素，并计算不同气象因素与母线负荷指标的相关程度，在此过程中需充分考虑累积效应和叠加效应。第四方面，所述气象灵敏度分析应自动建立主导气象因素与不同母线负荷指标之间的最优模型，以表格、图形等形式展示气象与负荷之间的量化关系。步骤s103，选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据。其中，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。具体地，新息平滑法是取近日及同类型日负荷曲线构造待预测日标么曲线，根据最近若干时段的负荷变化趋势利用指数平滑法进行负荷水平预测，还原得到待预测点负荷。负荷趋势法是通过统计近期若干天的负荷曲线前后两点变化差值，得到典型日负荷变化曲线后，根据当日已知负荷点预测未来点负荷变化量。最小二乘法是取最近多个同类型日构造负荷趋势曲线。设在n个历史时段的预测模型的表达式为yt＝∫(s,x,t)(1≤t≤n)，寻找参数向量s，使方程的不平衡成分尽可能最小，由此确定的模型能最好地逼近历史数据。令拟合的残差平方和为：其目标是通过使各历史时段的拟合残差的平方和m最小，用驻点条件来求解模型参数s，再利用其来预测下一时刻的负荷yt 1。具体实施时，针对上述各类预测算法，可以采用模型融合算法提高预测结果的准确性。本实施例中，模型融合采用的是多数投票原则，所述多数投票原则指将多个分类器预测的结果作为最终预测结果。多数投票原则仅用于二分类情况，但也可以很容易地将其推广到多分类里，即简答多数票法，因此，可以选择最多的分类作为最终的类别。表1解释了融合了10个不同的分类器时，多数投票原则和简单多数票法的表决概念，其中每个数字分别代表一个类别。表1多数投票原则和简单多数票法1111111111结果一致1111111122多数为主1111222333相对多数为主基于已有的训练集，可以训练出n个不同的单分类器(c1,c2...cn)。在多数投票原则下，可以融合不同的分类算法。比如svm算法、lr算法、xgboost、决策树、随机森林算法等，也可以融合同一算法使用不同的训练集训练出的模型。要通过简单的多数投票原则对目标进行预测，需要汇总所有单个分类器cj的预测结果，并选出投票率最高的类别：例如：在二分类里，假定class1＝-1,class2＝ 1,基于多数投票原则的模型融合预测结果表示为：设定如下条件：在二分类问题中的n个单分类器都具有相同的错误率ε，每个单分类器都市独立的，并且模型之间的也是相互独立不相关的，那么，将单类器融合后的出错概率表示成二项分布的概率密度函数：其中是n选k组合的二项式系数，也是模型预测出错的概率。在本实施例中，使用11个单分类器(n＝11)，每个单分类器的出错率为0.25(ε＝0.25)，那么即融合后的出错率为0.034，远小于单个分类器的出错率0.25。具体实施时，预测过程采用滚动预测，即滚动计算下一个预测时段的负荷。在自动预测任务的基础上提供手动预测功能，可以在设置的自动预测时间还没到情况下，进行任意时间的手动预测。根据本公开的一种具体实施方式，还可以根据所接收的目标查询条件，获取所述目标查询条件对应的所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据，对所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据进行图表展示。具体实施时，还可以根据预设类型的查询条件，获取全拓扑的实际负荷数据和所述全拓扑的预测负荷数据，基于所述全拓扑的实际负荷数据和所述全拓扑的预测负荷数据对负荷运行情况进行监测。按照预设时间间隔，以数据图表形式持续显示当日实际负荷和所述预测负荷，其中，所述预设时间间隔的取值范围为1分钟至60分钟。根据所述实际负荷数据和预测负荷数据对所述系统负荷和/或母线负荷和/或行业用户负荷进行负荷特性监测和曲线监测。所述负荷特性监测提供全拓扑的最大负荷、最小负荷、平均负荷、负荷率、峰谷差、峰谷差率中的至少一种，所述曲线监测包括对历史负荷曲线、预测负荷曲线和实际负荷曲线中的至少一种进行监测，并展示所述历史负荷曲线和所述预测负荷曲线的对比，计算所述预测负荷曲线和所述实际负荷曲线的偏差率。在此步骤之后，还可以设置偏差率基准值，当所述偏差率大于所述偏差率基准值时，执行预测偏差预警、负荷突变预警。根据本公开的一种具体实施方式，还可以对各用户的角色信息、权限信息和系统参数进行管理，所述管理包括新增、删除、修改、查询中的至少一种。以组织树的形式展示各用户角色信息，实现角色新增、删除、修改、查询功能，角色管理用于对功能权限，流程参与者的控制并支持对角色，选取人员，为人员赋予角色；以组织树的形式展示各用户权限信息，实现权限新增、删除、修改、查询功能，权限管理用于配置对系统各功能的使用，支持对权限组，选取人员，为人员分配权限；对系统通用性功能进行参数维护，如下拉值列表，统计图表的展示方式、展示维度等。本发明提供的全拓扑负荷预测方法，根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，并基于修正后的所述全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果，然后选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据，实现全要素、全拓扑的负荷预测，有助于电力系统的稳定运行。此外，如图2所示，本发明还提供一种全拓扑负荷预测装置，所述全拓扑负荷预测装置200包括：数据修正模块201，用于根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间；预测分析模块202，用于基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果；负荷预测模块203，用于选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据；其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。此外，还提供一种计算机设备，包括处理器和存储器，存储器存储有能够被所述处理器执行的计算机程序，所述处理器执行所述计算机程序以实现上述全拓扑负荷预测方法。此外，还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该指令在被处理器调用和执行时促使处理器实现上述全拓扑负荷预测方法。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。当前第1页1 2 3
技术特征：1.一种全拓扑负荷预测方法，其特征在于，所述方法包括：
根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间；
基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果；
选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据；
其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。
2.根据权利要求1所述的方法，其特征在于，根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正的步骤，包括：
对采集到的全拓扑的历史负荷数据进行过滤，若发现不良数据，则系统发出告警信息并对所述不良数据进行修正，所述不良数据包括空数据点、零数据点、连续恒定值和异常阶跃值中的至少任意一种。
3.根据权利要求1所述的方法，其特征在于，所述全拓扑为系统负荷和/或行业用户负荷；
基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果的步骤，包括：
根据修正后的系统负荷和/或行业负荷的历史负荷数据，输出对应不同评价类型的图表曲线，其中，所述评价类型包括电量对比、负荷特性、持续曲线、典型曲线、概率分布和平均电价中的任一种；
基于不同评价类型的所述图表曲线对负荷的变化进行分析。
4.根据权利要求1所述的方法，其特征在于，所述全拓扑为母线负荷；
基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果的步骤，还包括：
基于修正后的所述母线负荷的历史负荷数据进行负荷特性分析、负荷稳定性分析、负荷相关性分析和气象灵敏度分析，得到分析结果；
所述负荷特性分析是指对日、周、月、季和年进行负荷特性统计分析，包括不同母线最大负荷、最小负荷、平均负荷、负荷率、峰谷差和峰谷差率中的至少一种；
所述负荷稳定性分析是指对所述母线负荷的历史负荷数据进行数据分解与成分分析，量化评估不同时段不同母线负荷发展的内在规律性和稳定性；
所述负荷相关性分析是指计算不同母线负荷之间的相关性，所述不同母线间的相关性分析包括负荷同时率、最大负荷相关度、平均负荷相关度、最小负荷相关度和标幺曲线相似度；
所述气象灵敏度分析是指对影响气象的因素进行管理、跟踪分析、标识主导因素和因素量化分析。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所接收的目标查询条件，获取所述目标查询条件对应的所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据，对所述全拓扑的历史负荷数据和所述全拓扑的预测负荷数据进行图表展示；
根据预设类型的查询条件，获取全拓扑的实际负荷数据和所述全拓扑的预测负荷数据，基于所述全拓扑的实际负荷数据和所述全拓扑的预测负荷数据对负荷运行情况进行监测；
对各用户的角色信息、权限信息和系统参数进行管理，所述管理包括新增、删除、修改、查询中的至少一种。
6.根据权利要求5所述的方法，其特征在于，基于所述实际负荷数据和所述预测负荷数据对负荷运行情况进行监测的步骤，包括：
按照预设时间间隔，以数据图表形式持续显示当日实际负荷和所述预测负荷，其中，所述预设时间间隔的取值范围为1分钟至60分钟；
根据所述实际负荷数据和预测负荷数据对所述系统负荷和/或母线负荷和/或行业用户负荷进行负荷特性监测和曲线监测；
所述负荷特性监测提供全拓扑的最大负荷、最小负荷、平均负荷、负荷率、峰谷差、峰谷差率中的至少一种；
所述曲线监测包括对历史负荷曲线、预测负荷曲线和实际负荷曲线中的至少一种进行监测，并展示所述历史负荷曲线和所述预测负荷曲线的对比，计算所述预测负荷曲线和所述实际负荷曲线的偏差率。
7.根据权利要求6所述的方法，其特征在于，根据所述实际负荷数据和预测负荷数据对所述系统负荷和/或母线负荷和/或行业用户负荷进行负荷特性监测和曲线监测的步骤之后，所述方法还包括：
设置偏差率基准值；
当所述偏差率大于所述偏差率基准值时，执行预测偏差预警、负荷突变预警。
8.一种全拓扑负荷预测装置，其特征在于，所述装置包括：
数据修正模块，用于根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，其中，所述预设类型的查询条件包括用户名称和查询时间；
预测分析模块，用于基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果；
负荷预测模块，用于选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据；
其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时，所述负荷预测算法包括新息平滑法、负荷趋势法和最小二乘法中的任一种。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器执行所述计算机程序以实现权利要求1～7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，该指令在被处理器调用和执行时促使处理器实现权利要求1～7任一项所述的方法。
技术总结本发明公开了一种全拓扑负荷预测方法、装置及计算机设备，所述全拓扑负荷预测方法，首先根据预设类型的查询条件查询并采集全拓扑的历史负荷数据，对所得历史负荷数据进行修正，并基于修正后的全拓扑的历史负荷数据对负荷的变化进行分析，以得到分析结果，然后选取负荷预测算法对当前的实际负荷数据和分析结果进行第一类负荷预测或者第二类负荷预测，输出预测负荷数据。其中，所述全拓扑包括系统负荷、母线负荷和行业用户负荷，所述第一类负荷预测的周期为1天，第二类负荷预测的周期范围包括1小时至8小时。本发明可以实现全要素、全拓扑的负荷预测，有助于电力系统的稳定运行。
技术研发人员：李志勇;梁振成;周鑫;王子强;王巍
受保护的技术使用者：中国南方电网有限责任公司
技术研发日：2020.12.14
技术公布日：2021.03.12
